数据结构与算法——链表(一)

本专栏是学习王争老师的《数据结构与算法之美》的学习总结，详细内容可以去学习王争老师的专栏，希望大家都能够有所收获。同时也欢迎大家能够与我一起交流探讨！

关于链表(Linked list)数据结构并不陌生，从讨论一个链表的应用场景，即LRU缓存淘汰算法开始本篇的内容。

缓存是一种提高数据读取性能的技术，在硬件设计、软件开发中都有着非常广泛的应用，比如常见的 CPU 缓存、数据库缓存、浏览器缓存等等。

缓存的大小有限，当缓存被用满时，哪些数据应该被清理出去，哪些数据应该被保留？这就需要缓存淘汰策略来决定。
常见的策略有三种：

• 先进先出策略 FIFO（First In，First Out）
• 最少使用策略 LFU（Least Frequently Used）
• 最近最少使用策略 LRU（Least Recently Used）

一、各种各样的链表结构

相比数组，链表是一种稍微复杂一点的数据结构。两者在区别上：

两者从底层的存储结构上看：

• 在存储时，数组需要一块连续的内存空间来存储数据，对内存的要求比较高。如果我们申请一个 100MB 大小的数组，当内存中没有连续的、足够大的存储空间时，即便内存的剩余总可用空间大于 100MB，仍然会申请失败。

• 链表恰恰相反，它并不需要一块连续的内存空间，它通过“指针”将一组零散的内存块串联起来使用，所以如果我们申请的是 100MB 大小的链表，根本不会有问题。
  
  链表的结构有许多种，常见的链表结构有三种：单链表、双向链表和循环链表。

1. 单链表

链表通过指针将一组零散的内存块串联在一起。其中，把内存块称为链表的“结点”。为了将所有的结点串起来，每个链表的结点除了存储数据之外，还需要记录链上的下一个结点的地址。

如图所示，这个记录下个结点地址的指针叫作后继指针 next。

在上述单链表中，有两个结点比较特殊，分别是第一个结点和最后一个结点。

• 习惯上，第一个结点称为头结点，最后一个结点称为尾结点；
• 其中，头结点用来记录链表的基地址。有了基地址就可以遍历整条链表。
• 尾结点的特殊之处在于：指针不是指向下一个结点，而是指向一个空地址 NULL，表示这是链表上最后一个结点。

链表同样支持查找、插入和删除操作。

• 数组在插入、删除操作时，为了保持内存数据的连续性，需要做大量的数据搬移，所以时间复杂度为O(1)。
• 链表中插入或删除一个数据，并不需要保持内存的连续性而搬移结点，因为链表的存储空间本身就不是连续的。所以，在链表中插入和删除一个数据是非常快速的。

针对链表的插入和删除操作，只需要考虑相邻结点的指针改变，所以对应的时间复杂度是 O(1)。

但相反，有利就有弊。链表要想随机访问第 k 个元素，就没有数组那么高效了。

因为链表中的数据并非连续存储的，所以无法像数组那样，根据首地址和下标，通过寻址公式就能直接计算出对应的内存地址，而是需要根据指针一个结点一个结点地依次遍历，直到找到相应的结点。所以，链表随机访问的性能没有数组好，需要 O(n) 的时间复杂度。

2. 循环链表

循环链表是一种特殊的单链表。它跟单链表唯一的区别就在尾结点。

• 单链表的尾结点指针指向空地址，表示这就是最后的结点
• 循环链表的尾结点指针是指向链表的头结点
  

和单链表相比，循环链表的优点是从链尾到链头比较方便。当要处理的数据具有环型结构特点时，就特别适合采用循环链表。例如著名的约瑟夫问题。

3. 双向链表

单向链表只有一个方向，结点只有一个后继指针 next 指向后面的结点。而双向链表，支持两个方向，每个结点不止有一个后继指针 next 指向后面的结点，还有一个前驱指针 prev 指向前面的结点。

双向链表需要额外的两个空间来存储后继结点和前驱结点的地址。所以，如果存储同样多的数据，双向链表要比单链表占用更多的内存空间。虽然两个指针比较浪费存储空间，但支持双向遍历，带来了双向链表操作的灵活性。

双向链表不同于单链表，适合解决哪种问题呢？

双向链表可以支持 O(1) 时间复杂度的情况下找到前驱结点，正是这样的特点，也使双向链表在某些情况下的插入、删除等操作都要比单链表简单、高效。而单链表的插入、删除操作的时间复杂度已经是O(1)，怎么双向链表还能更加高效？可以仔细分析一下链表的插入删除两个操作。

二、单、双向链表的对比

1. 删除操作

在实际的软件开发中，从链表中删除一个数据无外乎这两种情况：

• 删除结点中“值等于某个给定值”的结点；
• 删除给定指针指向的结点。

对于第一种情况，不管是单链表还是双向链表，为了查找到值等于给定值的结点，都需要从头结点开始一个一个依次遍历对比，直到找到值等于给定值的结点，然后再通过前面讲的指针操作将其删除。

尽管单纯的删除操作时间复杂度为O(1)，但遍历查找的时间是主要的耗时点，对应的时间复杂度为O(n)。因此，删除值等于给定值的结点对应的链表操作的总时间复杂度为 O(n)。

对于第二种情况，在已经找到要删除的节点情况下，但删除某个结点q需要知道其前驱结点才能进行指针操作删除节点，而单链表并不支持直接获取前驱结点，因此，为了找到前驱结点，还需要从头遍历链表，直到 p->next=q，说明 p 是 q 的前驱结点。

但对于双向链表来说，这种删除结点的情况就比较有优势。因为双向链表中的结点已保存了前驱结点的指针，可直接获取到前驱结点。针对第二种情况，单链表删除操作需要 O(n) 的时间复杂度，而双向链表只需要在 O(1) 的时间复杂度内就能完成！

2. 插入操作

同理，如果我们希望在链表的某个指定结点前面插入一个结点，双向链表比单链表有很大的优势。双向链表可以在 O(1) 时间复杂度搞定，而单向链表需要 O(n) 的时间复杂度。

因为要在指定的结点前插入一个结点，需要知道指定结点的前驱结点才能操作指针进行插入，而单链表需要从头遍历链表才能找到指定结点的前驱结点，双向链表在每个结点已经保存了前驱结点的指针，因此在链表的某个指定结点前面插入一个结点的效率上，双向链表可以在 O(1) 时间复杂度搞定，而单向链表需要 O(n) 的时间复杂度。

3. 有序链表

除了插入、删除操作有优势之外，对于一个有序链表，双向链表的按值查询的效率也要比单链表高一些。在查找时，可以记录上次查找的位置p，每次查询时，根据要查找的值与p的大小关系，决定往前查询还是往后查询，所以平均只需要查找一半的数据。

在Java中，LinkedHashMap的实现原理就使用到双向链表的数据结构。

4. 一种设计思想

单链表的基础上实现双链表，实际上体现了一种设计思想，即用空间换时间的设计思想。

• 当内存空间充足的时候，如果更加追求代码的执行速度，就可以选择空间复杂度相对较高、但时间复杂度相对很低的算法或者数据结构。
• 相反，如果内存比较紧缺，比如代码跑在手机或者单片机上，这个时候，就要反过来用时间换空间的设计思路。

缓存实际上就是利用了空间换时间的设计思想。如果把数据存储在硬盘上，会比较节省内存，但每次查找数据都要询问一次硬盘，会比较慢。但如果通过缓存技术，事先将数据加载在内存中，虽然会比较耗费内存空间，但是每次数据查询的速度就大大提高了。

总结：

• 对于执行较慢的程序，可以通过消耗更多的内存（空间换时间）来进行优化；
• 消耗过多内存的程序，可以通过消耗更多的时间（时间换空间）来降低内存的消耗。

三、链表 VS 数组 性能对比

数组和链表是两种截然不同的内存组织方式。正是因为内存存储的区别，它们插入、删除、随机访问操作的时间复杂度正好相反。

在实际的软件开发中，不能仅仅利用复杂度分析就决定使用哪个数据结构来存储数据。

• 数组简单易用，在实现上使用的是连续的内存空间，可以借助 CPU 的缓存机制，预读数组中的数据（CPU从内存读取数据时，会读取数据块，而不是读取特定要访问的地址），所以访问效率更高。
• 链表在内存中并不是连续存储，所以对 CPU 缓存不友好，没办法有效预读。

数组的缺点是大小固定，一经声明就要占用整块连续内存空间。

• 如果声明的数组过大，系统可能没有足够的连续内存空间分配给它，导致“内存不足（out of memory）”。
• 如果声明的数组过小，则可能出现不够用的情况。这时只能再申请一个更大的内存空间，把原数组拷贝进去，非常费时。

链表本身没有大小的限制，天然地支持动态扩容，我觉得这也是它与数组最大的区别。

Java中的ArrayList容器支持动态扩容，但往支持动态扩容的数组中插入一个数据时，如果数组中没有空闲空间了，就会申请一个更大的空间，将数据拷贝过去，而数据拷贝的操作是非常耗时的。

例如一个极端的例子，如果用 ArrayList 存储了了 1GB 大小的数据，若后续没有空闲空间了，当再插入数据的时候，ArrayList 会申请一个 1.5GB 大小的存储空间，并且把原来那 1GB 的数据拷贝到新申请的空间上。听起来是不是就很耗时？

除此之外，如果代码对内存的使用非常苛刻，那数组就更适合。因为链表中的每个结点都需要消耗额外的存储空间去存储一份指向下一个结点的指针，所以内存消耗会翻倍。而且，对链表进行频繁的插入、删除操作，还会导致频繁的内存申请和释放，容易造成内存碎片，如果是 Java 语言，就有可能会导致频繁的 GC（Garbage Collection，垃圾回收）。

所以，在实际的开发中，针对不同类型的项目，要根据具体情况，权衡究竟是选择数组还是链表。

四、LRU缓存淘汰算法的简单实现

如何基于链表实现 LRU 缓存淘汰算法？一种简单的实现如下：

维护一个有序单链表，越靠近链表尾部的结点是越早之前访问的。当有一个新的数据被访问时，我们从链表头开始顺序遍历链表。

1. 如果此数据之前已经被缓存在链表中了，遍历得到这个数据对应的结点，并将其从原来的位置删除，然后再插入到链表的头部。
2. 如果此数据没有在缓存链表中，又可以分为两种情况：

• 如果此时缓存未满，则将此结点直接插入到链表的头部；
• 如果此时缓存已满，则链表尾结点删除，将新的数据结点插入链表的头部。

上述的实现思路，不论缓存有没有存满，都需要遍历一遍链表，基于链表的实现思路，缓存访问的时间复杂度为O(n)。

实际上基于上述实现，可以继续优化这个实现思路，比如通过引入散列表（Hash table）来记录每个数据的位置，将缓存访问的时间复杂度降到 O(1)。

五、总结

1、缓存是一种提高数据读取性能的技术，在硬件设计、软件开发中都有着非常广泛的应用，比如常见的 CPU 缓存、数据库缓存、浏览器缓存等等。

2、常见的三种缓存淘汰策略：先进先出策略 FIFO（First In，First Out）、最少使用策略 LFU（Least Frequently Used）、最近最少使用策略 LRU（Least Recently Used）

3、链表在底层存储上，并不需要一块连续的内存空间，它通过“指针”将一组零散的内存块串联起来使用。链表通过指针将一组零散的内存块串联在一起。其中，把内存块称为链表的“结点”。为了将所有的结点串起来，每个链表的结点除了存储数据之外，还需要记录链上的下一个结点的地址。这个记录下个结点地址的指针叫作后继指针 next。

4、常见的链表结构有：单链表、双向链表和循环链表。

5、在一个链表结构中，习惯性把第一个结点为头结点，最后一个结点为尾结点。头结点用来记录链表的基地址，有了头结点就可以遍历整条链表。尾结点的特殊之处在于其指针不是指向下一个节点，而是指向一个空地址NULL，表示链表上的最后一个结点。

6、在插入删除操作发方面，链表不同于数组，数组的插入、删除操作时，为了保持内存数据的连续性，需要做大量的数据搬移，所以时间复杂度是 O(n)。而链表在插入或删除一个数据时并不需要为了保持内存的连续性而搬移结点，因为链表的存储空间本身就不是连续的。所以，在链表中插入和删除一个数据是非常快速的。只需要考虑相邻结点的指针改变，所以对应的时间复杂度是 O(1)。

7、有利就有弊，链表要想随机访问第 k 个元素，由于数据并非连续存储，无法根据首地址和下标，通过寻址公式就能直接计算出对应的内存地址，而是要根据指针遍历结点一次遍历直到找到相对于的结点。

8、循环链表是一种特护单链表，与单链表的区别在于循环链表的尾结点指向链表的头结点。当要处理的数据具有环型结构特点时，就特别适合采用循环链表。双向链表的每一个节点不止有一个后继指针next指向后继节点，还有一个前驱指针prev指向前驱结点。

9、一个重要的设计思想：用空间换时间

• 当内存空间充足的时候，如果更加追求代码的执行速度，可以选择空间复杂度相对较高、但时间复杂度相对很低的算法或者数据结构。缓存实际上就是利用了空间换时间的设计思想。
• 相反，如果内存比较紧缺，比如代码跑在手机或者单片机上，这个时候就要反过来用时间换空间的设计思路。

10、数组和链表是两种截然不同的内存组织方式。正是因为内存存储的区别，它们插入、删除、随机访问操作的时间复杂度正好相反。在实际的软件开发中，不能仅仅利用复杂度分析就决定使用哪个数据结构来存储数据。

• 数组在实现上使用的是连续的内存空间，可以借助 CPU 的缓存机制，预读数组中的数据，所以访问效率更高。链表在内存中并不是连续存储，所以对 CPU 缓存不友好，没办法有效预读。
• 数组的缺点是大小固定，一经声明就要占用整块连续内存空间。如果声明的数组过大，系统可能没有足够的连续内存空间分配给它，导致“内存不足（out of memory）”。如果声明过小则会出现不够用的情况，需要重新申请内存空间并将原数据拷贝进去，非常耗时。链表本身没有大小的限制，天然地支持动态扩容，也是它与数组最大的区别。
• 所以，在我们实际的开发中，针对不同类型的项目，要根据具体情况，权衡究竟是选择数组还是链表。